GPQA Diamond
AI 基准测试结果和模型表现
类型: percentageGeneral Knowledge
已记录的结果
188
平均分数
67.90%
分数范围
19.20% - 96%
领先模型
96% - GPT-6 Astra
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| GPT-6 Astra | 2026年9月03日 | 96% | GPT-6 Astra launch evaluation | 是 | 来源 | |
| Fugu | 2026年6月22日 | 95.50% | Sakana reports this benchmark as GPQA-D. | 是 | 来源 | |
| Fugu Ultra | 2026年6月22日 | 95.50% | Sakana reports this benchmark as GPQA-D. | 是 | 来源 | |
| Claude Mythos Preview | 2026年4月07日 | 94.60% | - | 是 | 来源 | |
| GPT 5.4 Pro | 2026年3月05日 | 94.40% | - | 是 | 来源 | |
| GPT 5.5 Pro | 2026年4月23日 | 94.40% | - | 是 | 来源 | |
| Gemini 3.1 Pro Preview | 2026年2月19日 | 94.30% | No Tools | 是 | - | |
| Claude Opus 4.7 | 2026年4月16日 | 94.20% | - | 是 | 来源 | |
| Gemini 3 Pro Preview | 2025年11月18日 | 93.80% | Deep Think, Tools Off | 是 | 来源 | |
| Claude Opus 4.8 | 2026年5月28日 | 93.60% | Max effort | 是 | 来源 | |
| GPT 5.5 | 2026年4月23日 | 93.60% | - | 是 | 来源 | |
| Kimi K3 | 2026年7月16日 | 93.50% | - | 是 | 来源 | |
| GPT 5.2 Pro | 2025年12月11日 | 93.20% | No Tools | 是 | 来源 | |
| GPT 5.4 | 2026年3月05日 | 92.80% | - | 是 | 来源 | |
| GPT 5.2 | 2025年12月11日 | 92.40% | No Tools | 是 | 来源 | |
| Qwen 3.7 Max | 2026年5月21日 | 92.40% | - | 是 | 来源 | |
| Claude Opus 4.6 | 2026年2月05日 | 91.30% | - | 是 | 来源 | |
| Grok 4.20 | 2026年2月17日 | 91.10% | Artificial Analysis structured model metrics | 否 | 来源 | |
| DeepSeek V4.1 Flash | 2026年9月10日 | 90.90% | Instruct model; reasoning_effort=100; Pass@1 | 是 | 来源 | |
| Beam | 2026年10月05日 | 90.50% | Reflection-reported launch score. Source row: GPQA Diamond. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | 是 | 来源 | |
| DeepSeek V4 Pro | 2026年4月24日 | 90.10% | Pass@1; DeepSeek-V4-Pro Max | 是 | 来源 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 89.90% | - | 是 | 来源 | |
| Muse Spark | 2026年4月08日 | 89.50% | - | 是 | 来源 | |
| Qwen 3.8 27B | 2026年8月14日 | 89.20% | - | 是 | 来源 | |
| Seed 2.0 Pro | 2026年2月14日 | 88.90% | Seed2 official benchmark table | GPQA Diamond | 是 | 来源 |
